TensorFlow 中标量(scalar)、 向量(vector) 、矩阵(matrix)、 多维数组(n-d array) 等形式的张量

一、张量的数据形式

标量(scalar)：数据单独的一个数，零维张量，其形状如：shape=()

向量(vector) ：一维数组，一维张量，其形状如：shape=(3,)

矩阵(matrix)：二维数组，二维张量，其形状如：shape=(3,3)

多维数组(n-d array)：多维数组，多维张量，其形状如：shape=(1,3,3)

 

二、实例

1、运行环境：

TensorFlow API r1.12

CUDA 9.2 V9.2.148

cudnn64_7.dll

Python 3.6.3

Windows 10

2、代码：

>>> import tensorflow as tf

# 标量类型的张量
>>> scalar_data = 1
>>> scalar_tensor = tf.constant(value=scalar_data)
>>> scalar_tensor
<tf.Tensor 'Const:0' shape=() dtype=int32>


# 向量类型的张量
>>> vector_data = [1,2,3]
>>> vector_tensor = tf.constant(value=vector_data)
>>> vector_tensor
<tf.Tensor 'Const_1:0' shape=(3,) dtype=int32>



# 矩阵类型的张量
>>> matrix_data = [[1,2,3],[4,5,6],[7,8,9]]
>>> matrix_data
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> matrix_tensor = tf.constant(value=matrix_data)
>>> matrix_tensor
<tf.Tensor 'Const_2:0' shape=(3, 3) dtype=int32>


# 多维数组类型的张量
>>> n_d_array = [[[1,2,3],[4,5,6],[7,8,9]]]
>>> n_d_tensor = tf.constant(value=n_d_array)
>>> n_d_tensor
<tf.Tensor 'Const_3:0' shape=(1, 3, 3) dtype=int32>